暴雨灾害下城市轨道交通车站韧性关键影响因素研究

焦柳丹,李东荣,张 羽,霍小森

(重庆交通大学 经济与管理学院,重庆 400074)

0 引 言

近年来,随着我国城镇化进程的推进,交通需求量提高,城市轨道交通因其运量大、快捷舒适、绿色环保等优点[1],逐渐成为我国重要的公共交通工具之一。

随着全球极端天气的增加,暴雨灾害给交通带来的安全隐患也在加剧。如在2021年7月20日,郑州遭遇罕见特大暴雨,大量积水倒灌,导致列车被困,造成部分人员伤亡。这表明,在遭受暴雨灾害侵袭时,如何确保城市轨道正常运营成为一个亟待解决的问题。

目前,关于城市轨道交通应对暴雨灾害影响的研究受到很多学者关注。权瑞松等[2]从承载体敏感性以及区域应灾能力2个方面构建内涝脆弱性评价体系,并对上海各车站出入口进行了脆弱性分析;朱海燕等[3]基于敏感性、区域应灾能力构建地铁系统暴雨内涝脆弱性评估体系;LYU Haimin等[4]从危害性、暴露性、脆弱性3个方面建立地铁系统洪水风险评估模型。除了构建多因素评价体系,还有学者以单个影响因素作为变量研究暴雨灾害对城市轨道交通的影响。江辉等[5]根据不同的降雨强度下北京市地铁车站出入口的排水情况,确定了地铁安全运营3种警戒级别的降水量阈值标准;WANG Yuning等[6]针对城市轨道交通在不同降雨量的情景,建立基于后悔理论的城市轨道交通暴雨灾害应急决策模型。

以上研究大多集中在暴雨灾害城对市轨道交通系统的不利影响,关于其系统在应对暴雨灾害的韧性能力方向研究还相对较少,但也有不少学者引入了韧性理论。提升车站的韧性水平,可以提升城市轨道交通系统应对暴雨灾害的承灾能力和自我恢复能力,从而提升城市轨道交通系统在暴雨灾害下运营的可靠性和安全性。因此,笔者拟从韧性的角度,以影响因素间的邻接关系为研究数据,运用社会网络分析法的凝聚子群来分析网络中次级团体结构的相互关系,再应用中心度指标筛选出车站韧性的关键影响因素,为提升车站应对暴雨灾害的能力提供参考。

1 韧性影响因素识别

1973年,韧性思想首次在系统生态学领域应用[7],以描述生态系统在遭受外界干扰后能够正常运行或恢复平衡状态的能力。此后,韧性思想从生态领域逐渐延展到工程、经济和社会等领域,各位学者也都给出了基于自身理解的韧性定义,韧性概念得到了进一步丰富和完善。目前,一些学者认为城市基础设施系统中的韧性具有3个基本属性[8]:抵抗力、恢复力和适应力。

基于韧性3属性,笔者将暴雨灾害下车站的韧性理解为:在遭受不可预期的、突发的灾害冲击时,车站能够抵抗、吸收灾害所带来的不利影响,以最大程度维持车站的基本运行,通过车站的自我修复、学习和组织使车站迅速恢复到正常状态的能力。因此,笔者首先通过相关文献梳理,从抵抗力、恢复力和适应力3个属性对暴雨灾害下车站韧性影响因素进行总结归纳。

1.1 暴雨灾害下车站抵抗力

车站的抵抗力是指车站可以承受和吸收暴雨灾害所带来的不利影响的能力,以最大程度保证车站的基本功能不被破坏。由于出入口是地下车站连接地面的通道,大多数情况下,洪涝积水是从车站出入口侵入车站内部,因此不同类型的出入口以及台阶高度抵御积水侵袭的表现也不同[5];而车站周边绿化覆盖率越高,车站周边土壤的储水能力就越强,降低雨水汇集速度的效果就越强[9];增强市政管网排水能力,使得车站周边积水能够快速排走,降低了出入口周围发生洪涝灾害的概率[2],从而减轻了车站的防汛压力;良好的防汛监控能力能够有效监测车站出入口的内涝情况[5]:一旦监测到洪涝险情,防汛工作人员就可以将挡水板、沙袋等防汛物质设置在出入口以开展挡水工作,提升车站的防挡水能力,保证车站内部的干燥和清洁;当洪涝险情变得严重时,人员疏散工作的有效开展能够减少不必要的人员伤亡[9]。

1.2 暴雨灾害下车站恢复力

车站恢复力是指车站受到破坏时的不平衡状态迅速恢复至所期望的稳定状态的能力,强调车站在恢复后能够平稳、正常运行的一种状态。当遭遇积水倒灌后,车站就进入了恢复的状态,此时车站自身的排水设备就发挥了重要的作用,排水能力越强,清理积水的速度就越快,而工作人员的数量、工作人员熟练水平以及协调配合能力也都加快车站的恢复速度[9];供电系统保障能力和通信系统保障能力能辅助工作人员的防汛工作,保障车站在恢复期间维护工作的开展[5];防汛资金的投入能使车站损坏掉的设备能够得到及时的更换[2],也能给工作人员发放防汛补助和奖励,促使车站的恢复工作快速执行。

1.3 暴雨灾害下车站适应力

车站适应力是指车站在抵抗和吸收暴雨灾害冲击时,通过自我修复、学习和组织来调整自身结构,更好应对未来不同等级的暴雨灾害的能力。建立一套良好的防汛应急预案制度,能够让车站在面临不同的洪涝灾害时,根据已有的规定和条例来快速做出防汛安排,也可以根据相近或相似预案中做出调整[10],提高车站应对暴雨侵袭的适应能力;通过防汛培训演练,工作人员可以发现防汛工作中的漏洞,并进行及时修正和调整[11];经过防汛知识宣传与教育,防汛工作人员可以端正防汛的态度,分清防汛事项的轻重缓急,乘客则可以积极地配合防汛工作[11];防汛设备的维护保养使得车站在遭遇洪涝险情时,能够保持防汛设备稳定状态[11];区域经济的发展给城市基础设施提供财力支持,不仅改善城市系统的防汛设施,增强车站周边区域的防汛减灾能力,也加强了车站防汛措施的执行力度[3]。这些因素不只是在车站首次应对暴雨灾害的过程中发挥作用,在以后的防汛工作中仍起着重要的作用。因而在这些因素的影响下,车站面对同类暴雨灾害时具有更丰富的防汛经验,反应更为迅速,使得车站具有更强的适应力。

基于上述理解,笔者最终识别出20个暴雨灾害下车站韧性影响因素,编号序号为F1～F20,具体如图1。

图1 车站韧性影响因素Fig. 1 Influencing factors of station resilience

2 社会网络分析法

根据车站韧性,暴雨灾害下车站韧性因素间存在着较为复杂的相互关联关系,各交互作用的因素相当于构成了一个因素网络[12]。社会网络分析法(SNA),是社会学、管理学等领域常用的一种应用图论和矩阵研究网络结点之间复杂关系及结构的定量分析方法[13]。社会网络分析法以结点关系数据为基础,运用网络量化指标和关系网络拓扑图,研究网络的结构特性以及结点在网络中的地位。运用社会网络分析法将各韧性影响因素视为社会网络中的结点,将各韧性影响因素之间的关联关系视为结点之间相互作用的连线,组成一个影响因素网络结构,以识别暴雨灾害下车站的关键影响因素。

2.1 社会网络分析的网络特征分析

2.1.1 凝聚子群分析

车站韧性影响因素间存在具有相对较强、直接且紧密联系的次级团体,对这些次级团体的研究也是网络研究的重要内容。而凝聚子群分析能够发现因素网络中真实存在或潜在存在的次级团体结构,即因素网络中存在的“子群”。“子群”的形式化概念是通过子群体中成员的总体凝聚性给出,是建立在结点间某些特定关系属性的基础上。凝聚子群分析是一种用来揭示因素网络结构的方法,可更加全面分析因素网络中次级团体结构的相互关系。

2.1.2 中心度分析

在一个网络中,为研究哪些结点是关键的结点,可通过结点在网络中的位置来分析其在整个网络中的重要程度[14],即某一结点越处于网络的中心位置,该结点在网络中就越重要。在社会网络分析中,有3类中心度可以衡量一个结点在网络中的位置:点度中心度(degree centrality)、接近中心度(closeness centrality)和中间中心度(betweenness centrality)。

1)点度中心度

点度中心度表示为一个结点与其它结点联系的数量,表示某一结点的局部中心指数[14],点度中心度的值越大,则与该结点相关联的结点就越多,该结点越处于网络的核心位置。采用标准化形式的相对点度中心度进行计算,如式(1):

(1)

式中:CD(Hi)为结点Hi的相对点度中心度,其值越大,结点i越处于网络的核心位置;e(Hi,Hj)为结点Hi与结点Hj的连接关系数;n为网络中的结点个数,n-1为网络中任一结点的最大连接数。

在有向图中,需要分别计算结点的出度与入度,计算公式分别为式(2)、式(3):

(2)

(3)

式中:CDO(Hi)、CDI(Hi)分别为结点Hi的相对点出度、相对点入度,当存在Hi指向Hj的关系时,eO(Hi,Hj)=1, 当存在Hj指向Hi的关系时,eI(Hj,Hi)=1。

2)接近中心度

接近中心度是针对某一结点不受其它结点控制的测度,依据各结点间距离测得的中心度,表示为一个结点与其它各结点的短程线的距离和。距离和越小,该结点与其它结点联系越紧密,用于衡量该结点的通达性与便捷度[15]。采用标准化形式的相对接近中心度进行计算,如式(4):

(4)

式中:CC(Hi)为结点i的相对接近中心度的倒数,其值越大,结点i的相对接近中心度越小;d(Hi,Hj)为结点i、j间的短程线距离。

在有向图中,接近中心度分为外向接近中心度与内向中心度,采用标准化形式的相对接近中心度进行计算,其相对外向度、内向度的公式分别为式(5)、式(6):

(5)

(6)

式中:CCO(Hi)、CCI(Hi)分别为结点Hi的相对外向度、相对内向度;dO(Hi,Hj)为Hi指向Hj的的短程线距离;dI(Hj,Hi)为Hj指向Hi的的短程线距离。

3)中间中心度

中间中心度指网络中某一结点与其它结点的间隔程度,表示该结点在多大程度控制其它结点的能力。如一个结点的中间中心度为0,则该结点不能控制网络中的任何结点,处于网络边缘;如一个结点的中间中心度为1,则该结点可以控制网络中的所有结点,处于网络的核心。采用标准化形式的相对中间中心度进行计算如式(7):

(7)

式中:CB(Hi)为结点i的相对中间中心度,其值越大,该点在网络中控制其它结点对的能力越强;Gjk为结点j与节点k间短程线的数目;Gjk(Hi)为结点j与节点k间经过结点i的短程线数目。

3 车站韧性关键影响因素分析

邀请5位城市轨道交通相关领域的专家,以普适性的城市轨道交通地下车站为研究对象进行评判。5位专家分中,有2位城市轨道交通运营管理领域学者、2位重庆轨道交通有限公司管理者以及1位重庆应急管理局官员。综合5位专家意见,得到车站韧性影响因素关系矩阵,如表1。

表1 车站韧性影响因素关系矩阵Table 1 Interrelationship matrix of influencing factors of station resilience

根据表1中的关系数据,运用Gephi软件可绘制出车站韧性影响因素网络结构图,如图2。图2中白色结点代表属于抵抗力的因素,灰色结点代表属于恢复力的因素,黑色结点代表属于适应力的因素。

图2 车站韧性影响因素网络结构Fig. 2 The network structure of station resilience influencing factors

3.1 凝聚子群分析

凝聚子群通过网络中结点子集的一些特征来研究网络中的子群结构。凝聚子群分析并没有从真实意义上划分网络内部派系或团体,而是分析子群内部的哪些结点连接紧密,以此分析凝聚子群间的相互作用关系。采用UCINET 6.0 中的CONCOR法(迭代相关收敛法)对车站韧性影响因素网络的内部微观结构进行分析,并得到如图3的内部凝聚子群图。

图3 车站韧性影响因素内部凝聚子群Fig. 3 The cohesive subgroups of influencing factors of station resilience

从图3的凝聚子群CONCOR分析的结果得出,车站韧性影响因素可大致分为7个较小子群:{F1,F2,F5}、 {F19,F8}、{F16,F17,F12,F18}、 {F9,F3}、 {F4,F7}、 {F20,F6,F13,F14}、{F11,F15,F10}。

第一个小子群中,F1、F2和F5属于车站韧性的抵抗力属性影响因素,共同作用于车站出入口,且彼此之间产生影响。

第二个小子群中,F8是车站的外围设施,受F19的影响较多,而这两个子群结合组成一个群体,共同从车站的外部对车站韧性造成影响。

由F16、F17、F12和F18组成的群体中,F12是车站在防汛工作中扮演着重要的作用,F16、F18则会影响车站防汛资金在整个城市轨道交通系统运营资金的占比,通过F17可找出最适宜的防汛资金支出比例。

由F9、F3和F4、F7组成的群体中,F9与F4是车站应对暴雨灾害所直接体现出来的能力,在车站应对洪涝积水侵入车站的初始阶段发挥作用,而F3和F7也在此阶段发挥其影响。

在F20、F6、F13、F14结合F11、F15、F10组成最大的群体中,F6、F13、F14是从车站的设备属性方面发挥车站应对暴雨灾害的能力,F20确保设备的稳定性,而F10、F11、F15是车站从人员属性方面发挥车站应对暴雨灾害的能力,这些因素共同作用于车站内部设备,维护车站的正常运行。

结果表明车站韧性影响因素网络结构较为稳健,同一凝聚子群的韧性影响因素具有很强的相似性,子群内部因素之间频繁互通、紧密联系,与车站实际的防汛工作情况基本相符。

3.2 中心度分析

为了研究因素网络中关键的影响因素,以研究影响因素在因素网络中的中心位置来分析其在整个因素网络中的重要程度。使用UCINET 6.0软件,得到各影响因素的点度中心度、接近中心度以及中间中心度,如表2。

表2 因素网络结点的中心度Table 2 The centrality of factor network nodes %

从表2的点度中心度可知:

出、入度点度中心度较高的影响因素在因素网络中均与其它影响因素有较多直接联系,在因素网络中处于核心位置。

F16、F17、F12、F15具有很高的出度点度中心度,表明这些影响因素在因素网络与周边影响因素有很多的外向联系,且对周边影响因素有很强的影响;F4、F7、F9、F3具有很高的出度点度中心度,表明这些影响因素在因素网络与周边影响因素有很多的内向联系,受周边影响因素的影响程度较强。

从表2的接近中心度可知:

F19具有最高的外向接近中心度,表明该影响因素在因素网络中与其它影响因素联系最紧密,受其它影响因素的干扰较少;F16、F17、F12也具有很高的外向接近中心度,表明这些影响因素在因素网络中与其它影响因素联系也很紧密,且在网络中受到其它影响因素的干扰较少。对于内向接近中心度,F4、F7、F9和F3具有很高的内向接近中心度,表明这些影响因素与其它影响因素与联系紧密,受其它影响因素的影响较多。

从表2的中间中心度可知:

F16具有最高的中间中心度,表明该结点在因素网络中具有最高的控制能力,处于因素网络的核心位置,发挥着很强的中介作用;F17、F15和F12也具有很高的中间中心度,在因素网络中也具有较高的控制能力,发挥着较强的沟通作用。

综合点度中心度、接近中心度和中间中心度分析,F16、F17和F12具有很高的入度点度中心度、外向接近中心度和中间中心度,这些影响因素与其它影响因素联系紧密,且对其它影响因素具有较强的控制能力,发挥着较强的中介作用。

F15也有着较高的入度点度中心度和中间中心度,其外向接近中心度排在靠前位置,因此F15也与其它影响因素存在较为紧密的联系,对其它影响因素也具有较强的控制能力,发挥着较强的中介作用。

F4、F7、F9和F3,这些影响因素的中间中心度较低,但具有较高的入度点度中心度和内向接近中心度,表明其与因素网络中的其它影响因素存在着紧密联系。因此,F4、F7、F9和F3在因素网络中处于关键位置。

综上,选定的关键影响因素为:防汛监控能力(F3)、防汛挡水能力(F4)、人员疏散效率(F7)、防汛排水能力(F9)、防汛资金投入(F12)人员协调配合能力(F15)、防汛应急预案制度(F16)和防汛培训演练(F17)。这些影响因素在网络中与其它影响因素存在着紧密的联系,对其它影响因素也具有较强的控制能力,发挥着较强的中介作用,将这8个影响因素作为车站韧性的关键影响因素。

4 结 语

基于车站韧性影响因素间的关系数据,通过运用社会网络分析法(SNA)对暴雨灾害下车站韧性影响因素进行凝聚子群分析和中心度分析,然后根据中心度分析的点度中心度、接近中心度和中间中心度这3个中心度指标来综合确定车站韧性的关键影响因素,确定的关键韧性影响因素为:防汛监控能力(F3)、防汛挡水能力(F4)、人员疏散效率(F7)、防汛排水能力(F9)、防汛资金投入(F12)人员协调配合能力(F15)、防汛应急预案制度(F16)和防汛培训演练(F17)。为提高暴雨灾害下车站韧性提供了一种思路。根据暴雨灾害下车站韧性的关键影响因素,提出以下3方面建议:

1)抵抗力方面:加强车站防汛监控能力,提升防汛挡水能力,提高人员疏散效率。当出现突发性强降雨时,良好的防汛监控能力能够提前对洪涝灾害进行预警,车站工作人员能够根据情况进行相应的防汛准备,以加强车站防汛挡水能力。当车站周围有发生积水倒灌可能时,防汛工作人员可以实施挡水工作,防止积水侵入车站。人员疏散效率提升帮助清空车站,以减少不必要伤亡,保证工作人员防汛工作快速实施。

2)恢复力方面:加大防汛资金投入,提升人员协调配合能力,加强防汛排水能力。当车站遭受洪涝积水破坏后,加大防汛资金投入,使车站能迅速进入恢复状态。在充足的防汛资金支持下,工作人员会更积极实施车站的排水工作,各项检查与维修工作也会更好开展。人员协调配合能力提升使得各项防汛工作能有效开展,工作人员也能更高效实施防汛工作,车站排水能力能得到迅速提升,使车站在受灾后恢复速度更快。

3)适应力方面:完善防汛应急预案制度,加强防汛培训演练。在应对突发的暴雨灾害时,一个好的应急预案制度能使车站快速进入防汛状态,并且使车站防汛工作安排更加合理。通过防汛培训演练,防汛工作人员处理问题更加专业,更容易发现车站防汛工作漏洞,使防汛应急预案制度更加完善。